python数据清理

1.缺失值的检验与处理

1.1缺失值的检测

常用方法isnull()、notnull()、isna()、notna()

import pandas as pd
import numpy as np
na_df=pd.DataFrame(({'a':[1,2,np.NaN,4],
              'b':[3,4,5,4],
              'c':[1,6,5,4],
              'd':[1,2,np.NaN,np.NaN]}))
na_df

#检测是否缺失
na_df.isnull()

 1.2缺失值的处理

1.2.1删除缺失值

pandas中提供了删除缺失值的方法dropna()。dropna()方法用于删除缺失值所在的一行或一列数据，并返回一个删除缺失值后的新对象。

na_df.dropna()

1.2.2填充缺失值

 pandas中提供了删除缺失值的方法fillna()。fillna()方法既可以使用指定的数据填充，也可以使用缺失值后面或者前面的数据填充。

na_df.fillna("*")

填充缺失值前面的数据

na_df.fillna(method='ffill')

 填充缺失值后面的数据（如果缺失值后面也是缺失值就不进行填充）

na_df.fillna(method='backfill')

代码007普通

打赏 收藏 海报 链接